20世纪80年代中期，在磁共振技术的基础上，通过对双极磁场梯度脉冲来对水分子的扩散运动效应进行编码，得到了扩散加权磁共振图像(DWI)。从多个方向(至少6个方向)获取扩散加权图像，得到每一个体素的扩散张量的成像过程，称为扩散张量成像(Diffusion Tensor Imaging，DTI)。DTI利用水分子扩散运动的各向异性进行成像，能够反映活体组织的空间组成信息及病理状态下各组织之间水分子交换状况。大脑白质区的水分子扩散表现出显著的各向异性，因而DTI技术在显示白质神经纤维和功能束的走行方向以及三维形态等方面具有极大的优越性。目前没有其它形态学方法能够提供活体白质纤维特性，因此DTI技术对研究脑解剖与诊断白质病变具有重要的意义。作为非侵入性的分析大脑内部结构的重要工具，DTI已经在神经生理学、神经解剖学、神经外科学以及浮肿、多发性硬化症和其他一些脑部肿瘤的研究和诊断中发挥了重要的作用。由于成像每一个体素都对应于一个二阶张量，所以张量数据的表示及其所含有用信息的挖掘就成为DTI应用研究的核心问题。对扩散张量数据进行处理，从中追踪神经纤维或白质束的走行，对其进行真实、直观的可视化表达，为医学基础研究和临床应用提供强大的武器，也是扩散张量数据处理和研究的热点。本文首先介绍了DTI的基本原理及相关概念，对常用的数据集可视化的方法进行了综述。对扩散张量进行椭球体显示是一种常见的图元显示法，椭球体图元也是最直观的图元之一。针对不同的扩散张量形状由于观察角度的因素很难被区分的问题，本文提出了新的基于扩散张量各向异性形状进行颜色编码的椭球体图元显示方法，对于不同的扩散各向异性形状采用不同颜色的椭球体图元来表达，将扩散各向异性程度的信息赋予图像之中，并扩展到了三维空间，从而对大脑白质的分布及走行能够达到更清晰的显示效果，有利于在大脑功能的基础研究和颅脑疾病的临床诊治过程中进一步分析。到目前为止，研究者们已经提出了许多种神经纤维束的三维可视化技术，其中，基于扩散跟踪的白质束成像技术在白质纤维束的可视化和分析中使用得最多。本文针对现有纤维跟踪算法存在的问题，提出了基于扩散形状的纤维跟踪算法，该算法结合了流线跟踪(Streamline Tracking，STT)法与张量弯曲(Tensor Deflection，TEND)法的优点，对不同的扩散形状采用不同的跟踪方向，尤其在平面扩散的情况提出了更接近纤维走行的跟踪方法，减少了跟踪方向与实际纤维走行的误差，能更完整、更准确地显示大脑白质的纤维走行。